scikit-learn再再入門
===

[群馬大学電子計算機研究会 IGGG Advent Calendar 2018](https://adventar.org/calendars/3217) 21日目です！

なんかみんな機械学習やってるのでやってみる．Python初心者なのでコードは汚いのは勘弁．

2年前にsckit-learn使ったきりになっていたので，もう一回やってみる．

## KDD Cup 99をscikit-learnで遊ぶ
- [本家](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/kddcup99.py)にあるので，これでデータセット取って来れます．便利．

- Google Colaboratoryをはじめて使ったんですが，便利．

- [gist](https://gist.github.com/atpons/1cde80e10e90e07f8bf18c101e94c437)です．

- `sklearn.preprocessing`を卒業してCategory Encodersを使ってみました．

- えっ...私の次元，多すぎ？ってことでランダムフォレストにした．SVMだと終わんない．．．
- データセットが悪いのかやり方の問題なのか，これじゃ遊んだというかやってみただけになっている...orz
- あとなんか結果おかしい気がする．

- Pythonあまり触らないので，lambdaとかmapとかの再復習って感じになった．

## 結論
機械学習教えてくださいお願いします

## 参考文献
- [KDD Cup 99 Dataおぼえがき | 一生あとで読んでろ](http://ntddk.github.io/2016/11/23/kdd-cup-99-data/)
- [Category Encodersでカテゴリ特徴量をストレスなく変換する](https://qiita.com/Hyperion13fleet/items/afa49a84bd5db65ffc31)